基于STFT-ECA-ResNet18網(wǎng)絡(luò)模型的滾動(dòng)軸承變負(fù)載故障診斷

摘要： 針對(duì)傳統(tǒng)方法處理變負(fù)載軸承故障診斷時(shí)存在的自適應(yīng)能力弱，模型泛化性差的問(wèn)題，提出了一種改進(jìn)的基于深度殘差網(wǎng)絡(luò)的故障診斷方法。首先，將采集到的一維時(shí)間序列信號(hào)進(jìn)行短時(shí)傅里葉變換得到二維時(shí)頻數(shù)據(jù)，再利用二維卷積神經(jīng)網(wǎng)絡(luò)從變換后的數(shù)據(jù)中提取特征。然后，通過(guò)高效通道注意力機(jī)制獲取通道全局信息并對(duì)其權(quán)值進(jìn)行調(diào)整，以增強(qiáng)改進(jìn)網(wǎng)絡(luò)模型的泛化能力，使其在變負(fù)載工況下分類效果得到提高。最后，通過(guò)...